如何正确安装支持CUDA 12.4的PyTorch与torchvision？

Question

**问题：如何正确安装支持CUDA 12.4的PyTorch与torchvision？** 在使用PyTorch进行深度学习开发时，确保其与CUDA 12.4兼容至关重要。然而，许多用户在安装过程中常遇到版本不匹配、CUDA不可用或安装后无法调用GPU等问题。本文将详细讲解如何根据CUDA 12.4环境，准确选择并安装适配的PyTorch与torchvision版本，涵盖使用conda和pip两种方式，并验证安装是否成功。

Answer 1

如何正确安装支持 CUDA 12.4 的 PyTorch 与 torchvision

在深度学习开发中，PyTorch 是最常用的框架之一。为了充分利用 GPU 加速能力，必须确保其版本与本地的 CUDA 工具包（如 CUDA 12.4）兼容。本文将从环境准备、版本选择、安装方式（conda 与 pip）、以及验证流程等多个角度，详细阐述如何完成这一过程。

一、确认本地 CUDA 环境

在开始安装之前，首先需要确认你的系统是否已经正确安装了 CUDA 12.4，并且驱动程序支持该版本。

1. 查看 NVIDIA 驱动版本：

   nvidia-smi

2. 查看 CUDA 版本：

   nvcc --version

命令	作用
nvidia-smi	显示当前 GPU 使用状态和驱动信息
nvcc --version	显示当前安装的 CUDA 编译器版本

二、查找适配的 PyTorch 和 torchvision 版本

PyTorch 官方通常会为不同的 CUDA 版本提供对应的构建版本。截至撰写时（基于最新稳定发布），支持 CUDA 12.4 的 PyTorch 版本应为 v2.2.0 或更高。

• PyTorch 2.2.0 + CUDA 12.4
• torchvision 0.17.0 + CUDA 12.4

可通过以下链接获取最新的官方推荐版本：

• PyTorch 官网安装指南

三、使用 conda 安装 PyTorch 与 torchvision

Conda 是一个流行的 Python 包管理工具，尤其适合数据科学和机器学习项目。

conda create -n pytorch_env python=3.10
conda activate pytorch_env
conda install pytorch torchvision torchaudio cudatoolkit=12.4 -c pytorch

graph TD A[创建 Conda 环境] --> B[激活环境] B --> C[执行安装命令] C --> D[安装完成]

四、使用 pip 安装 PyTorch 与 torchvision

若你更倾向于使用 pip，也可以通过 PyTorch 官网提供的特定链接进行安装。

python -m pip install torch==2.2.0+cu124 torchvision==0.17.0+cu124 torchaudio==2.2.0 --extra-index-url https://download.pytorch.org/whl/cu124

注意：上述命令中的“+cu124”表示 CUDA 12.4 构建版本，确保下载的是支持该 CUDA 版本的 wheel 文件。

五、验证安装是否成功

安装完成后，可以通过以下代码验证 PyTorch 是否能够识别并使用 CUDA。

import torch
print(torch.__version__)
print(torch.cuda.is_available())
print(torch.version.cuda)

预期输出示例：

2.2.0
True
12.4

如果输出显示 True 并且 CUDA 版本为 12.4，则说明安装成功。